초록 ▼

○ 능동형 지식증식 계산모델 개발: 자기 자신과 환경에 대한 평가를 바탕으로 스스로 부족한 부분을 찾고 질문을 던지며 성장하는 능동학습(active learning) 기본모델 개발; 센서로부터의 상향식 주의집중(bottom-up attention)과 고차 뇌기능 부위로부터의 하향식 주의집중(top-down attention)을 결합한 상하향식 주의집중 기반의 공진(resonance) 모델 개발 및 성능 향상; 상하향식 주의집중의 공진으로 신뢰도를 예측하여 학습이 필요한 새로운 자료의 추출 기법 개발
○ 자아 및 감정 계산모델

○ 능동형 지식증식 계산모델 개발: 자기 자신과 환경에 대한 평가를 바탕으로 스스로 부족한 부분을 찾고 질문을 던지며 성장하는 능동학습(active learning) 기본모델 개발; 센서로부터의 상향식 주의집중(bottom-up attention)과 고차 뇌기능 부위로부터의 하향식 주의집중(top-down attention)을 결합한 상하향식 주의집중 기반의 공진(resonance) 모델 개발 및 성능 향상; 상하향식 주의집중의 공진으로 신뢰도를 예측하여 학습이 필요한 새로운 자료의 추출 기법 개발
○ 자아 및 감정 계산모델 개발: 자아와 감정을 은닉상태로 표현하는 회귀신경회로망(recurrent neural network) 모델 개발 및 성능 향상; 외부 상황과 감정 상태의 상호작용 기능 향상
○ 지식표상 모듈 연구: 표현력(representative capability)과 변별력(discriminative capability)을 조화시킨 특징 추출하는 기법 연구; 기본 특징을 복합적으로 엮은 계층구조로 지식을 표현하는 모델 개발
○ 지식축적 모듈 연구: 지식표상 연구를 바탕으로 전문지식과 상식을 축적하며 성장하는 모델 개발; 사용자가 시청각을 활용하여 하나씩 가르쳐주는 내용을 체계화하는 학습모델 개발; 사용자의 교육노력을 최소화하여 방대한 자료로부터 스스로 지식을 축적하는 능동학습 모델 개발
○ 상황인지 모듈 연구: 시청각을 이용하여 주위 상황을 파악하는 모델 및 동시에 존재하는 다수 사용자의 얼굴과 음성을 인식하고 추적하여 상황인지에 활용하는 모델 개발; 상황과 사용자에 대한 과거의 경험 및 자신에 대한 자아(self-identity)를 토대로 상황을 판단하는 모델 개발; 미지의 비정형 상황의 인지 모델 개발
○ 의사결정 모듈 연구: 지능로봇과 상대방(사용자 또는 다른 지능로봇) 사이의 상호작용을 반영하여 의사를 결정하는 모델 개발; 주위 상황을 인지 후, 자신의 과거 경험과 자아 및 감정에 따라 의사를 결정하는 모델 개발
○ 인간행동 모듈 연구 및 인공인지시스템 구현: 인간과 유사한 (얼굴, 손, 음성 등의) 제어 능력을 위한 인식 기법 개발; 1,2,3차 인공인지시스템의 개념 설계 및 구현

Abstract ▼

○ Model of Proactive Knowledge Development: Self-developing learning model by asking proper questions based on the estimation of itself and environment; Resonance model to combine bottom-up attention from sensors and top-down attention from high-level brain functions
○ Model of Identity and Emoti

○ Model of Proactive Knowledge Development: Self-developing learning model by asking proper questions based on the estimation of itself and environment; Resonance model to combine bottom-up attention from sensors and top-down attention from high-level brain functions
○ Model of Identity and Emotion: Recurrent neural network model to represent self-identity and emotion as internal hidden states; Improving interaction ability between emotion states and external situation
○ Module for Knowledge Representation: Basic units of knowledge, i.e. features, and hierarchical network architecture based on the features
○ Module for Knowledge Accumulation: Self-learning knowledge accumulation from environment (people, other robots, internet) and big data; Learning model to systematize contents and knowledge taught by users
○ Module for Situation Recognition: Recognition of unknown environment and situation based on (common) knowledge, previous experience, and self-identity
○ Module for Decision Making: Decision making based on situation, models of the users, and its own internal states
○ Module for Human Behavior and Artificial Cognitive Systems Development: Recognition methods to provide human-like control abilities; Hardware and software development of the 1st, 2nd, and 3rd artificial cognitive systems